解析 MP4 檔案讀取資訊

在之前文章中已經介紹過了 MP4 标準的來源以及它的格式定義，基本上就是由一個個 Box 組成的，大緻的結構如下：

ftyp
moov
    mvhd
    trak
        tkhd
        mdia
    trak
        tkhd
        mdia
mdat      

之前文章：

​​重學音視訊？認識 MP4 視訊（上）​​

​​重學音視訊？認識 MP4 視訊（下）​​

接下來我們就要去手動解析 MP4 檔案，注意這可不是用 FFmpeg 來解封裝，而是從 MP4 檔案中一個一個位元組讀取資訊并解析它的含義獲得想要的内容。

平常一看到字尾是 ​

​.mp4​

​ 的檔案，腦海裡一想到的就是視訊，但其實不管字尾如何，它也還是一個二進制檔案，可以按照二進制的方式進行讀取和寫入。

解析 MP4 檔案擷取資訊

舉個例子，在 Mac 上用 ​

​010 Editor​

​ 軟體去檢視一個 MP4 檔案，以 16 進制顯示，效果如下：

從圖中箭頭訓示處可以看到 ​

​ftyp​

​​ 和 ​

​mvhd​

​​ 兩個 Box 類型，另外也還有 ​

​moov​

​​ 和 ​

​tkhd​

​ 這些 Box 類型。

之是以能夠顯示出 Box 類型的字元串，是因為把十六進制資料轉換成 ASCII 碼了，比如 61 對應就是字母 a ，這應該在計算機基礎書中都有講過的。

在 ​

​mvhd​

​ Box中存儲着視訊檔案的時長資訊，想要擷取到這個資訊，直接從 Box 中讀取就好，至于為什麼會這樣，見下圖：

上圖展示了 mvhd Box 的資料結構，它繼承自 FullBox，在讀取時先讀取 FullBox 的字段，然後在讀取 mvhd Box 自己的（取 version == 0 時的資料結構排布）。

關于 mvhd box 和 full box 的資料結構文檔以及 MP4 中所有 Box 的類型資料，已經在知識星球中給出了，可以加入星球在資料中找到，文末有優惠券。

FullBox 的資料結構如上所示，由位元組位數可以算出，在 box type 之後偏移 12 位元組可以得到 timescale 字段内容，偏移 16 位元組可以得到 duration 字段内容。

其中 timescale 為 0x000003E8，對應十進制資料 1000 。

duration 為 0x000086E6，對應十進制資料 34534。

用 duration 除以 timescale 就是視訊的時長了，十六進制相除後的結果是 0x22，轉換成十進制就是 34，和用十進制資料相除得到的 34.534 基本一緻了（時長機關是秒）。

以上隻是個簡單例子，說明完全可以去手動解析 MP4 檔案擷取它的格式資訊。